🤖 AI

AgentSchool: An LLM-Powered Multi-Agent Simulation for Education

本文介绍了 AgentSchool，这是一个由大语言模型驱动的多智能体模拟器，它将学习建模为状态转换而非角色扮演，以克服现实世界教育试验中的伦理和后勤障碍，从而通过可配置的学生和教师智能体来研究认知成长、社会动态和制度推理。

原作者： Yulei Ye, Wenhao Li, Zhong Wen, Yunshu Huang, Yichen Hu, Zifan Wei, Yige Wang, Xinyu Xie, Haoxuan Yang, Yanjun Huang, Ruijia Li, Hong Qian, Yu Song, Bo Jiang, Bingdong Li, Lijun Li, Bo Zhang, Pinlong

发布于 2026-05-29

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Yulei Ye, Wenhao Li, Zhong Wen, Yunshu Huang, Yichen Hu, Zifan Wei, Yige Wang, Xinyu Xie, Haoxuan Yang, Yanjun Huang, Ruijia Li, Hong Qian, Yu Song, Bo Jiang, Bingdong Li, Lijun Li, Bo Zhang, Pinlong Cai, Xingcheng Xu, Shuangye Chen, Xia Hu, Liang He, Aimin Zhou, Jingjing Qu, Jing Shao, Xiangfeng Wang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一位建筑师，正在设计一种新型学校。在建造之前，你不会仅仅猜测房间是否足够大，或者灯光是否过于刺眼。你会建造一个比例模型，或者运行计算机模拟，以观察人们如何移动、如何互动，以及瓶颈可能出现在何处。

论文《AgentSchool》为教育引入了这一概念的数字化版本。它是一个由先进人工智能（大语言模型）驱动的虚拟“学校风洞”，旨在在教学方法、AI 导师和学校政策真正应用于真实儿童之前对其进行测试。

以下是其工作原理，分解为简单的概念：

1. 问题：为什么我们需要“风洞”

目前，如果我们想在课堂上测试一种新的教学方法或新的 AI 工具，我们就必须将其应用于真实的学生身上。这既充满风险，又进展缓慢。

风险：如果一种新方法让孩子们感到困惑或损害了他们的自信心，这种伤害很难挽回。一旦孩子养成了坏习惯，你就无法“撤销教学”。
缓慢：现实中的学校进展缓慢。等到一项研究证明某种新方法有效时，该技术可能已经过时。
陷阱：许多现有的 AI 模拟仅仅是“角色扮演”。它们要求 AI“扮演学生”，但 AI 实际上并没有学习任何东西。它只是说出一些听起来像学生的话。

AgentSchool通过将学习视为一种状态变化而非剧本，解决了这一问题。重点不在于 AI 说了什么，而在于其“大脑”内部发生了什么。

2. 核心理念：“成长中”的学生

在 AgentSchool 中，学生不是一个具有固定性格的静态角色。将他们想象成拥有真实物品栏和技能树的电子游戏角色。

知识图谱：学生拥有一张他们所知内容的地图。如果他们知道"2+2=4"，地图上的那个节点就会亮起。如果他们不知道“分数”，那部分就是暗的。
误解：这一点至关重要。系统可以在学生的“大脑”中植入一个特定的“漏洞”，例如认为“较重的物体下落得更快”。AI 学生将 consistently 犯这个错误，直到老师修复了这个特定的漏洞。
成长：当学生与课程互动时，他们的内部地图实际上会更新。他们不仅仅是“表现”得聪明，而是基于模拟结果变得更聪明（或保持困惑）。

3. 教师：智能教练，而非脚本

AgentSchool 中的 AI 教师并非只是照着提词器念稿。他们就像观看现场比赛的教练。

他们观察学生的“技能树”（即知识图谱）。
如果学生在某个特定概念上遇到困难，教师不会只是重复课程。他们可能会尝试不同的解释、给出提示，或者将该学生与一位理解该概念的同伴配对。
教师也会从模拟中“学习”。如果某种教学技巧在虚拟世界中行之有效，教师就会将其记住，留待下次使用。

4. 环境：“场景”生成器

教育并非发生在真空中，而是发生在特定的环境中。AgentSchool 拥有一个场景生成器来构建舞台。

正式课堂：传统的讲堂，老师讲，学生听。
非正式聊天：一个“课间休息”模拟，学生们谈论爱好、形成小团体或发生争执。
未来学校：你甚至可以建造一所尚不存在的学校——也许是没有课桌的学校，或者是 AI 导师作为主要教师的学校——以观察学生如何反应。

5. 他们的发现（结果）

研究人员进行了测试，以验证这个“风洞”是否真的有效。他们将他们的系统（AgentSchool）与旧式的、更简单的角色扮演系统进行了比较。

更真实的学习轨迹：AgentSchool 的学生表现出了更真实的学习模式。他们并非要么全对，要么全错。他们拥有特定的优势、特定的弱点以及特定的“漏洞”（误解），需要老师去修复。
社会动态：在“课间休息”模拟中，该系统自然地创造了真实的社会群体。一些学生成为了受欢迎的领导者，一些变得孤立，而具有攻击性的学生将其他人推开，导致群体其余部分更加紧密地团结在一起。这一切发生并非因为有人明确编程了这些社会规则；它们仅仅是从互动中涌现出来的。
教师适应：AI 教师在搭配“成长中”的学生时，能更好地调整课程，这表明该系统可以测试某种教学风格是否真正有助于特定类型的学习者。

6. 宏观图景

AgentSchool 并非用来取代真实教师或给真实学生打分的工具。它是一个研究实验室。

将其想象成飞行员的飞行模拟器。飞行员不会第一次就在真正的飞机上学习飞行；他们在模拟器中练习，在那里他们可以坠毁、犯错并学习，而不会伤害任何人。

AgentSchool 让教育工作者和政策制定者能够：

安全地测试新的 AI 工具。
观察新政策可能会无意中伤害特定学生群体。
了解如果重新排列课桌或改变评分系统，课堂中的社会动态可能会如何变化。

简而言之，它允许我们在将其应用于真实儿童之前，在一个安全、数字化的空间中预演教育的未来。

技术摘要：AgentSchool

1. 问题陈述

大型语言模型（LLM）在教育领域的快速部署带来了一个独特的验证挑战。与标准软件不同，教育人工智能干预的是学习者的认知、社会和情感轨迹，而这些轨迹是不可逆的。现实世界的试验往往进展缓慢、受到伦理约束且被机构锁定，使得评估某项干预措施究竟是改善了学习，还是仅仅以牺牲长期能力（如批判性思维或好奇心）为代价来优化短期效率变得十分困难。

现有的基于 LLM 的教育模拟器通常存在两个结构性局限：

保真度差距：它们依赖于提示工程的角色扮演，将学习视为静态的、基于人设的行为，而非动态的状态转换过程。这未能捕捉学习的内部机制（例如知识重构、错误概念修正）。
可靠性差距：它们缺乏长期数据收集、人机回环检查以及多层级评估，往往倾向于优化现有课堂行为的复现，而非探索新颖的机构配置。

因此，需要在真实部署之前，在一个合理、可检查且伦理上更安全的“计算风洞”中预演教育人工智能的后果。

2. 方法论：AgentSchool 系统

AgentSchool 是一个由 LLM 驱动的多智能体模拟平台，它将教育建模为一个部分可观察的多智能体状态转换过程。通过将具有认知成长能力的智能体与自适应教学逻辑及可配置环境相结合，它超越了静态的角色扮演。

2.1 系统架构

该系统被定义为一个状态转换过程 $X_{t+1} \sim P_\theta(X_t, a_{1,t}, \dots, a_{n,t})$ ，其中状态 $X_t$ 包含学生状态、教师状态、场景配置、交互图和历史事件。该架构由四个核心模块组成：

学生智能体（认知可成长）：
- 状态表示：与静态人设不同，学生智能体维护显式的内部状态：情景记忆（ $M$ ）、带有掌握度分数的加权学科知识图谱（ $K$ ）、思维工作流池（ $W$ ）、显式错误概念（ $Z$ ）以及稳定属性（ $P$ ）。
- 成长机制：学习被建模为状态转换。掌握度的更新是基于教学质量、学习者接受度、遗忘和支架作用进行的有界转换。错误概念被建模为结构化对象（ $v, \hat{p}, p^*, c, \rho$ ），代表具有持久度分数的竞争性信念，从而允许进行针对性干预。
- 观测：内部状态通过证据函数从可观测的表现（话语、任务输出）中推断得出，在内部状态与推断状态之间制造了差距，这映射了现实世界教学中的不确定性。
教师智能体（自适应支架）：
- 教学逻辑：智能体在“最近发展区”（ZPD）内运作，进行规划、搭建支架和反思。它们维护一个陈述性知识库，并在每节课后更新经验知识库。
- 适应：教师根据估计的学习者准备度选择教学行动（解释、提问、分组、提示）。ZPD 兼容性分数用于评估任务是过于简单、过于困难还是得到了适当的支架。
- 反思：课后，智能体根据观察到的学生状态变化和错误概念的持久性来更新其经验知识。
场景生成器（学习场域）：
- 定义了学习的关系场域，包括空间结构、资源、规范和时间节奏。
- 可配置性：支持预定义模板（例如讲座与开放讨论）和非正式场景（例如课间休息、同伴八卦）。
- 演进：未来的迭代计划使用类似 Alpha-Evolve 的过程，根据公平性、安全性和新颖性等标准，对候选教育场景（例如新 AI 工具、分组政策）进行变异和压力测试。
模拟器架构：
- 协调跨尺度（逐轮到整学期）和跨粒度的交互。
- 效率：采用自适应分辨率，将高保真 LLM 调用分配给关键时刻（例如错误概念诊断），同时压缩常规转换。
- 交互模式：支持一对一、一对多和非结构化群聊，促进学习社区和社会网络的涌现。

2.2 校准与验证

AgentSchool 采用双重校准策略：

实证校准：在有数据的情况下，最小化模拟分布与现实世界分布之间的距离。
理论驱动校准：约束轨迹以满足理论约束（例如渐进式掌握度增长、ZPD 对齐），以防止表面上的合理性掩盖结构上的无效性。

3. 主要贡献

认知可成长的学生智能体：从静态人设提示转向具有可变知识图谱、推理工作流和显式错误概念对象的状态化学习者。
自适应教师智能体：一种基于学生状态进行规划、搭建支架和反思的设计，将 ZPD 对齐操作化为可评估的指标，而非静态脚本。
场景驱动的多尺度模拟器：一个解耦交互尺度、时间粒度和模拟时长的平台，允许在统一的状态转换框架内模拟正式教学和非正式社会动态。
方法论转变：从“行为可信度”（听起来像学生吗？）转向“教育机制保真度”（内部过程是否符合学习理论？）和“机构反事实有用性”（能否测试尚不存在的政策？）。

4. 初步结果

作者在五个骨干 LLM（Claude、DeepSeek、Qwen、GPT、Gemini）上进行了一项 $2 \times 3$ 的受控课程研究，并开展了一项社会模拟研究。

4.1 课程模拟

学生效应：结构化学生智能体（ $S_{ours}$ ）产生的差异化学习轨迹显著多于基线角色扮演模拟器（ $S_{base}$ ）。 $S_{ours}$ 实现了更高的平均掌握度，并生成了更丰富的高掌握度节点和结构化错误概念分布。 $S_{base}$ 往往无法代表有意义的知识习得，或产生均匀、低方差的错误模式。
教师效应：自适应教师智能体（ $T_{ours}$ ）表现出与 ZPD 信息适应一致的模式，特别是当与 $S_{ours}$ 配对时。然而，性能依赖于骨干模型；在某些情况下，当内容路径稳定时，脚本化教师（ $T_{scripted}$ ）表现具有竞争力，这表明当学生状态足够复杂需要动态响应时，适应性最为宝贵。
骨干敏感性：底层 LLM 显著塑造了涌现行为（例如图谱大小、节点数量），凸显了需要在多个模型上评估智能体架构的必要性，而不能假设模型无关性。

4.2 社会模拟

网络动态：在非正式社会场景中，AgentSchool 生成了边缘参与、小团体形成和意见领袖涌现的合理轨迹。
攻击性行为：模拟捕捉到了二阶群体效应：攻击性智能体变得孤立，而非攻击性智能体形成了更紧密的凝聚力纽带，这映射了现实世界课堂的社会动态。
涌现结构：该系统成功模拟了社会网络的演变，包括中心枢纽的形成以及社会排斥对群体凝聚力的影响。

5. 意义与主张

本文将 AgentSchool 定位为教育的计算风洞，主要发挥两个作用：

面向教育研究与政策：它提供了一个更安全的空间，用于原型设计未来的教育模式、评估机构改革，并在影响真实学习者之前识别失败模式（例如算法偏见、社会分层）。它允许对尚不存在的政策和 AI 介导的教学安排进行“假设”推理。
面向 AI 研究：它为研究长时程记忆、异构多智能体协调以及在组织压力下的智能体推理提供了一个具有社会意义的测试平台。

主张的谦逊性：
作者明确指出，这些结果是初步验证研究，而非生态等效性的主张。他们并不声称 AgentSchool 完美复现了现实世界的课堂。相反，他们主张在受控条件下，结构化、状态化的智能体比仅基于提示的角色扮演能产生更可检查且更具教育解释性的轨迹。该系统旨在生成假设并比较合理的机制，在做出高风险决策之前，需要未来的实证校准和专家审查。当前工作侧重于正式课程和非正式社会场景，机构级和政策级模拟被定位为计划的扩展部分。